Clawdbot:把 AI 助手塞进你的所有聊天软件
想象一下:你在 WhatsApp 上问 Claude 帮你写邮件,在 Telegram 上让它帮你查代码,在 Slack 里让它帮你做会议纪要,在 iMessage 上让它帮你安排日程——而这一切,都跑在你自己的电脑上,数据完全在本地。这就是 Clawdbot。 ...
FlashAttention:具有 IO 感知的快速且内存高效的精确注意力研究
引言 Transformer 架构已经成为自然语言处理、计算机视觉等领域的基础模型。然而,其核心组件——自注意力机制(Self-Attention)的时间和空间复杂度都是 $O(N^2)$,其中 $N$ 是序列长度。这种二次方复杂度严重限制了模型处理长序列的能力。 ...
我把 X 算法'裸奔'了:6000 字无删减技术拆解
xai-org/x-algorithm 开源代码的独家深度分析,2026 年 1 月 20 日 14:56 做 X(原 Twitter)的朋友,肯定都琢磨过这几个问题: 为什么有些帖子莫名其妙就火了,有些明明写得更用心反而没人看?别人能上热门,我发差不多的内容就是不行?算法到底在搞什么? ...
从 Claude Code 到 Web API:解构 AI Agent 的 Skills 体系
从 Claude Code 到 Web API 的解耦之旅:左侧是我们熟悉的 Claude Code 环境——Skills、Agents、Subagents 在这里天衣无缝地协作。中间是解耦过程——将这些能力从封闭环境中"拆解"出来。右侧是目标架构——一个标准的三层体系:用户通过 Web 界面发起请求(用户层),主 Agent 根据 Skills 编排决策(编排层),Subagents 和 Tools 执行具体任务(执行层)。这篇文章将带你理解这个架构,并给出可落地的解耦方案。 ...
Multi-Agent 小白入门:让你的Claude Code 提效 90.2%
这篇文章的方法,来源于最近特别火的一个方向 – Multi-Agent Orchestration System(多智能体编排系统)。虽然它看上去非常高大上,但无需害怕,只需要跟着本文操作,你也可以搭建属于你自己的版本! ...
收录官方与社区共建资源的 Claude Skills 精选合集
收录官方与社区共建资源的 Claude Skills 精选合集 Introduction Claude Skills 是一个由 Anthropic 官方和开源社区共同构建的技能生态系统。通过 Agent Skills 和 MCP (Model Context Protocol) 协议,Claude 可以获得强大的扩展能力,从代码开发到内容创作,从数据分析到自动化运维,应有尽有。 ...
2025 AI Engineering Reading List论文
Section 1: Frontier LLMs GPT1, GPT2, GPT3, Codex, InstructGPT, GPT4 papers. Self explanatory. GPT3.5, 4o, o1, o3, GPT4.5 have launch events and system cards(2) instead. Claude 3 / 4 and Gemini 1 / 2.5 to understand the leading labs. You should also know Claude 3.5 Sonnet and Gemini 2.0 Flash/Flash Thinking. Also Gemma 2 & 3 (you can read the PyTorch re-implementation). ...
Claude Skills 完全指南
Claude Skills 完全指南 基于: 官方文档、社区讨论、实战案例的综合梳理 最后更新: 2025-12-30 1. 核心概念:什么是 Skills 1.1 一句话定义 Skills 是模块化的能力包,包含指令、元数据和可选资源(脚本、模板),让 Claude 在需要时自动加载和使用。 ...
Model Context Protocol(MCP) 编程极速入门
Model Context Protocol(MCP) 编程极速入门 [TOC] 简介 模型上下文协议(MCP)是一个创新的开源协议,它重新定义了大语言模型(LLM)与外部世界的互动方式。MCP 提供了一种标准化方法,使任意大语言模型能够轻松连接各种数据源和工具,实现信息的无缝访问和处理。MCP 就像是 AI 应用程序的 USB-C 接口,为 AI 模型提供了一种标准化的方式来连接不同的数据源和工具。 ...
一文详解多智能体核心架构及 LangGraph 框架
一文详解多智能体核心架构及 LangGraph 框架 随着大模型的快速发展,构建智能体已成为大模型应用最基本的能力了,然而,单智能体在处理复杂、多步骤任务时往往存在局限性。为了应对这一挑战,多智能体系统应运而生,它通过多个智能体协同工作的方式,将复杂任务分解为多个子任务,由不同的智能体分别处理,最终合并结果并返回。LangGraph 作为 LangChain 生态系统的重要扩展,通过引入有向图模型重构了传统智能体的工作流架构,将复杂的多步骤交互和决策过程模块化,是目前主流的多智能体集成框架之一。 ...